【技術實現步驟摘要】
本專利技術涉及物流數據管理，尤其涉及一種基于云計算的物流產品定位數據管理方法及系統。
技術介紹
1、物流產品定位數據管理是指在物流過程中，對物流產品（如包裹、貨物、集裝箱等）的位置、狀態、流向等信息進行采集、存儲、處理、分析和管理，以實現物流產品的實時追蹤、精準定位和高效管理。該過程通常包括數據采集、處理和應用，旨在為物流供應鏈中的各個環節（如倉儲、運輸、配送等）提供及時、準確的位置信息，以提高物流效率，優化資源配置，降低運營成本。
2、在復雜的物流場景中，物流產品定位需要處理大量的視頻流和定位數據。然而，傳統的物流產品定位數據管理方法主要是基于單一的圖像處理和定位技術，如光學相機、超聲波傳感器等。這些方法在實際應用中面臨著定位精度和穩定性的問題。
3、綜上，現有技術中，依靠相機和傳感器等傳統技術已無法滿足如今愈加復雜的物流場景，難以快速高效的實現物流產品定位。
技術實現思路
1、本專利技術提供了一種基于云計算的物流產品定位數據管理方法及系統，能夠提高物流產品的定位與尺度參數的精準度，達到物流產品的高效、準確地定位。
2、第一方面，為了解決上述技術問題，本專利技術提供了一種基于云計算的物流產品定位數據管理方法，包括：
3、獲取不同種類物流產品的視頻流圖像，并標注第一時間戳；
4、獲取所述不同種類物流產品的定位圖像，并標注第二時間戳；
5、根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定
6、將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量；
7、根據所述動態特征向量和所述靜態特征向量，基于三維尺度特征點識別模型進行第二特征提取，得到三維尺度特征點；
8、將所述三維尺度特征點進行種類匹配，得到匹配結果；
9、根據所述匹配結果，進行參數提取，得到定位參數和尺度參數；
10、根據所述定位參數和所述尺度參數，進行參數匹配，得到對應物流產品標簽。
11、優選地，所述根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定位圖像的圖像關聯集，包括：
12、對所述第一時間戳和所述第二時間戳中相同的時間戳數據進行匹配，得到相同時間戳數據的視頻流圖像和定位圖像；
13、將所述視頻流圖像和所述定位圖像進行關聯，得到所述視頻流圖像和所述定位圖像的圖像關聯集。
14、優選地，所述將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量，包括：
15、基于卷積神經網絡對所述視頻流圖像進行第一預處理，得到動態特征向量；
16、基于卷積神經網絡對所述定位圖像進行第二預處理，得到靜態特征向量。
17、優選地，所述基于卷積神經網絡對所述視頻流圖像進行第一預處理，得到動態特征向量，包括：
18、基于所述卷積神經網絡對所述視頻流圖像進行去噪、圖像增強、圖像去霧、圖像分割，得到視頻流圖像目標區域；
19、基于所述卷積神經網絡將所述視頻流圖像轉換為動態特征向量。
20、優選地，所述基于卷積神經網絡對所述定位圖像進行第二預處理，得到靜態特征向量，包括：
21、基于所述卷積神經網絡對所述定位圖像進行去噪、圖像增強、圖像去霧，標簽識別，得到定位標簽圖像；
22、基于所述卷積神經網絡將所述定位標簽圖像轉換為靜態特征向量。
23、優選地，所述根據所述動態特征向量和所述靜態特征向量，基于三維尺度特征點識別模型進行第二特征提取，得到三維尺度特征點，包括：
24、基于圖像關聯集將所述動態特征向量和所述靜態特征向量進行關聯，得到關聯向量；
25、對所述關聯向量進行尺度化和平移變換，并映射到三維空間中，得到三維尺度特征點。
26、優選地，所述將所述三維尺度特征點進行種類匹配，得到匹配結果，包括：
27、基于全局特征描述子對所述三維尺度特征點進行描述，得到特征描述值；
28、根據所述特征描述值，基于nndr算法進行三維尺度特征點匹配，得到匹配結果。
29、第二方面，本專利技術提供了一種基于云計算的物流產品定位數據管理裝置，包括：第一圖像獲取模塊，用于獲取不同種類物流產品的視頻流圖像，并標注第一時間戳；
30、第二圖像獲取模塊，用于獲取所述不同種類物流產品的定位圖像，并標注第二時間戳；
31、關聯處理模塊，用于根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定位圖像的圖像關聯集；
32、第一特征提取模塊，用于將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量；
33、第二特征提取模塊，用于根據所述動態特征向量和所述靜態特征向量，基于三維尺度特征點識別模型進行第二特征提取，得到三維尺度特征點；
34、特征匹配模塊，用于將所述三維尺度特征點進行種類匹配，得到匹配結果；
35、參數提取模塊，用于根據所述匹配結果，進行參數提取，得到定位參數和尺度參數；
36、參數匹配模塊，用于根據所述定位參數和所述尺度參數，進行參數匹配，得到對應物流產品標簽。
37、第三方面，本專利技術還提供了一種電子設備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現上述中任意一項所述的基于云計算的物流產品定位數據管理方法。
38、第四方面，本專利技術還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行上述中任意一項所述的基于云計算的物流產品定位數據管理方法。
39、相比于現有技術，本專利技術具有如下有益效果：本專利技術實施例提供了一種基于云計算的物流產品定位數據管理方法及系統。方法包括：獲取不同種類物流產品的視頻流圖像，并標注第一時間戳；獲取所述不同種類物流產品的定位圖像，并標注第二時間戳；根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定位圖像的圖像關聯集；將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量；根據所述動態特征向量和所述靜態特征向量，基于三維尺度特征點識別模型進行第二特征提取，得到三維尺度特征點；將所述三維尺度特征點進行種類匹配，得到匹配結果；根據所述匹配結果，進行參數提取，得到定位參數和尺度參數；根據所述定位參數和所述尺度參數，進行參數匹配，得到對應物流產品標簽。
40、在本專利技術中，所述方法能夠通過卷積神經網絡對本文檔來自技高網...
【技術保護點】
1.一種基于云計算的物流產品定位數據管理方法，其特征在于，包括：
2.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定位圖像的圖像關聯集，包括：
3.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量，包括：
4.根據權利要求3所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述基于卷積神經網絡對所述視頻流圖像進行第一預處理，得到動態特征向量，包括：
5.根據權利要求3所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述基于卷積神經網絡對所述定位圖像進行第二預處理，得到靜態特征向量，包括：
6.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述根據所述動態特征向量和所述靜態特征向量，基于三維尺度特征點識別模型進行第二特征提取，得到三維尺度特征點
7.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述將所述三維尺度特征點進行種類匹配，得到匹配結果，包括：
8.一種基于云計算的物流產品定位數據管理裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任意一項所述的基于云計算的物流產品定位數據管理方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至7中任意一項所述的基于云計算的物流產品定位數據管理方法。
...【技術特征摘要】
1.一種基于云計算的物流產品定位數據管理方法，其特征在于，包括：
2.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述根據所述視頻流圖像和所述定位圖像，進行關聯處理，得到所述視頻流圖像和所述定位圖像的圖像關聯集，包括：
3.根據權利要求1所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述將所述圖像關聯集存儲到基于內存緩存的云存儲數據庫中，并對所述圖像關聯集進行第一特征提取，得到動態特征向量和靜態特征向量，包括：
4.根據權利要求3所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述基于卷積神經網絡對所述視頻流圖像進行第一預處理，得到動態特征向量，包括：
5.根據權利要求3所述的基于云計算的物流產品定位數據管理方法，其特征在于，所述基于卷積神經網絡對所述定位圖像進行第二預處理，得到靜態特征向量，包括：
6.根據權利要求1所述的基于云計...
【專利技術屬性】
技術研發人員：翟興，庫韶坤，黎程昊，葉海龍，鄒軍軍，
申請(專利權)人：深圳市天興誠科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。